李楠

(江苏师范大学科文学院 江苏徐州 221116)

二氧化碳排放量增长引发的气候变暖问题引发全球的广泛关注，减少碳排放、发展低碳经济成为全球的广泛共识。我国多次指出要力争在2030年达成碳达峰、2060年达成碳中和。为了实现碳达峰与碳中和目标，需要推动节能环保产业的发展与高耗能、高排放企业的转型升级，促进经济高质量发展。而高耗能行业碳减排离不开金融资金的支持，绿色金融通过将资金优先投入能耗强度低、污染排放少的企业及积极研发低碳技术的企业与项目，促使高耗能行业进行技术创新与转型升级，实现碳减排。

1 文献综述

较多学者对金融与碳减排的关系进行了研究。顾红梅、何彬(2012)指出，金融发展能够减少二氧化碳排放。Eshet(2017)指出，绿色金融政策通过对棕色企业实施信贷约束、提高融资成本等途径倒逼其进行绿色转型。文书洋等(2021)指出，在绿色金融支持碳减排的过程中，技术进步起到重要作用，并对绿色金融通过推动技术进步进行实现碳减排的内在机理进行了分析。钟意、孙克乐(2021)的研究结果显示，外商直接投资能够显著促进碳减排，金融发展与碳排放强度之间存在倒“U”型关系。张文彬等(2022)指出，金融发展能够发挥直接效应、技术效应与结构效应，从而促进节能减排，金融发展的规模效应还会导致碳排放量的增加。曾惠芝(2022)指出，一方面，绿色金融可以通过对高耗能行业实施信贷约束等措施，迫使其进行转型升级、提升技术水平，进而提高能源利用率，实现碳减排。另一方面，绿色金融能够为绿色项目与企业提供优惠的信贷支持，促进低碳技术的进步，减少二氧化碳的排放。

总结以往文献，较多学者认为金融发展能够通过推动技术进步等促进碳减排，也有学者指出金融发展的规模效应会促进碳排放的增加。较多学者对金融发展与碳减排的关系进行了研究，但聚焦具体行业的较少，因此本文以高耗能行业为例，研究金融发展对其碳减排的影响。

2 高耗能行业碳排放与碳金融发展现状

2.1 高耗能行业碳排放现状

图1 为高耗能各细分行业二氧化碳排放量情况，2006—2020年电力热力的生产和供应业、石油加工、炼焦及核燃料加工、黑色金融冶炼及压延加工业二氧化碳排放量相对较高。从二氧化碳排放量的变动趋势来看，2014年以来非金属矿物制品业、黑色金属冶炼及压延加工业、化学原料及化学制品制造业二氧化碳排放量呈降低趋势，虽然2018年以后有所增加，但增长幅度较小；2018年以来，有色金融冶炼及压延加工业二氧化碳排放量有所降低。

2.2 碳金融现状

图2为2013—2021年部分银行绿色信贷贷款余额，从图2可看出，中国银行、中国建设银行、中国工商银行、中国农业银行绿色信贷贷款余额较高，2013年以来各银行绿色信贷贷款余额均呈上涨趋势，且2019年以来上涨幅度大幅提高，体现银行等金融机构重视发展绿色金融，积极为节能环保、清洁能源等绿色项目提供资金支持。

图3为部分银行绿色信贷减排二氧化碳当量，可看到绿色信贷能够促进二氧化碳排放量的减少，2020年中国建设银行绿色信贷减排二氧化碳当量为7388.66万吨，2021年增加到12509.58万吨，增长幅度较大；中国工商银行2021年绿色信贷减排二氧化碳当量为9884.69万吨，反映了绿色信贷在促进碳减排方面发挥了重要作用。

图3 2016—2021年部分银行绿色信贷减排二氧化碳当量

除了绿色信贷外，我国碳债券产品也不断丰富。2022年以来，百瑞信托有限公司分别发行84.34亿元的22新能源4ABN001优先(碳中和债)、83.75亿元的22新能源4ABN002优先(碳中和债)等；中国长江三峡集团有限公司分别发行40亿元的22三峡GN002(碳中和债)、40亿元的22三峡GN003(碳中和债)等，碳债券品种日益丰富。

3 实证分析

3.1 理论模型设定

Hansen(1999)介绍了面板门槛模型分析核心解释变量对被解释变量的门槛效应，本文运用该模型分析金融发展对高耗能行业碳减排的影响。以单一门槛模型为例，模型设定为：

其中，yit为解释变量，xit为核心解释变量；i，t分别表示个体变量和时间变量；uit为个体效应；εit为随机干扰项；Zit为控制变量；qit为门槛变量；γ为特定的门槛值；I(.)表示指示性函数，其取值为0和1，当对应条件成立时，取值为1，不成立时取值为0；α、β1和β2表示回归系数。

3.2 变量选取及说明

选取单位工业增加值二氧化碳排放量(CE)为被解释变量，该指标为各个高耗能行业二氧化碳排放量与其工业增加值的比值。2008年及以后，各高耗能行业工业增加值数据的计算参考程时雄等（2016），计算公式为第n年工业增加值=第n-1年工业增加值*(1+第n年12月工业增加值累计增长率)*第n年工业生产者出厂价格指数。

本文选取贷款规模(BL)为解释变量，由于各银行为高耗能各行业提供的贷款数据获取不全，数据来源受限，因此选取高耗能各细分行业固定资产投资中银行贷款占工业增加值的比重衡量贷款规模。

本文选取R&D经费支出(RD)、能源强度(EI)、能源消费结构(EC)为控制变量。R&D经费支出(RD)用R&D经费支出占工业增加值的比重表示；能源强度(EI)用终端能源消费量与工业增加值的比值衡量；能源消费结构(EC)用煤合计终端能源消费量在终端能源消费量中所占的比重表示。

本文选取六个高耗能行业的面板数据，时间跨度为2006—2020年，数据来源于《中国统计年鉴》《中国能源统计年鉴》、国泰安数据库。

3.3 门槛值估计

本文将年份作为门槛变量对模型进行分析，分别对只存在一个门槛值、存在两个门槛值和存在三个门槛值的情况进行检验，门槛效应检验结果如表1所示。

表1 门槛效应检验结果

由表1可知，以年份为门槛变量，在双门槛模型中，原假设为存在2个门槛值，其F统计量的值为3.9386，在5%的显著性水平上是显著的；而三门槛模型中，其F统计量的值为0.9696，未通过5%的显著性检验，因此接受存在2个门槛值的原假设。

表2为门槛估计值与其置信区间，以年份为门槛变量，两个门槛估计值分别为2007.0505和 2013.0909，且在95%的置信区间内显著。

表2 门槛估计值及置信区间

3.4 门槛模型估计与分析

在得到门槛估计值后，以年份为门槛变量构建双门槛模型来衡量金融发展对高耗能行业碳减排的面板门槛效应，门槛模型回归结果如表3所示。

表3 门槛模型回归结果

由表3可知，以年份为门槛变量构建的面板门槛模型中，贷款规模对单位工业增加值二氧化碳排放量的影响都为正向影响，但两个门槛值将贷款规模对单位工业增加值二氧化碳排放量的影响划分为三个区间；当year≤2007.0505时，贷款规模每增加1%，单位工业增加值二氧化碳排放量增加0.3780%；当2007.0505＜year≤2013.0909时，贷款规模每增加1%，单位工业增加值二氧化碳排放量增加0.2786%，与2007年及之前相比，贷款规模对碳排放增长的促进作用有所减弱；当year＞2013.0909时，贷款规模每增加1%，单位工业增加值二氧化碳排放量增加0.1658%，反映出随着时间的推移，贷款规模对碳排放增长的促进作用不断减弱。由于金融发展一方面能够推动技术进步、能源效率提高等促进高耗能行业碳减排。另一方面，存在规模效应导致碳排放量的增加。从实证结果看到，金融发展促进二氧化碳排放量的增加，但其促进作用不断减弱，反映出近年来金融发展支持高耗能行业碳减排的作用逐渐显现，银行等金融机构通过对高耗能行业实施贷款限制措施及对节能环保项目提供优惠信贷政策，能够激励高耗能行业主动改进生产技术，从事清洁生产与环境保护，减少二氧化碳排放。

控制变量能源强度对单位工业增加值二氧化碳排放量具有促进作用，能源强度提高1%，单位工业增加值二氧化碳排放量增加3.0327%，反映了能源强度的提高将显著增加其二氧化碳排放量。

4 结语

本文通过2006—2020年6大高耗能行业的面板数据，研究金融发展对高耗能行业的面板门槛效应。研究结果显示：年份作为门槛变量，将贷款规模对单位工业增加值二氧化碳排放量的影响划分为三个区间，在不同区间，影响作用有所不同。贷款规模的增加对单位工业增加值二氧化碳排放量的增长作用不断减弱，反映出近年来金融发展的减排效应逐渐显现。为有效发展绿色金融，促进高耗能行业碳减排，提出以下对策建议：

（1）创新绿色金融产品和服务。鼓励银行等金融机构积极开展节能减排专项贷款、能源效率贷款等，为高服务传统能源提质增效的技术创新和产业项目提供融资渠道；支持企业发行绿色债券，降低绿色债券的发行难度；鼓励商业保险公司设计开发绿色保险产品，为企业技术研发提供有效的风险管理。

（2）促进高耗能行业转型升级。第一，高耗能行业应改进能源消费结构，降低煤炭等高排放、高污染资源的消费比重，增加清洁能源消费比重。第二，高耗能行业要及时进行绿色技术的研发与升级，提高能源利用效率，促进碳减排，实现高质量发展。